Coeficiente de correlacion de pearson - Liliana Egañe
Seminario 10 ejercicio1
1. 1.1.- Utilizando nuestra base de datos comprueba la correlación entre la
variable peso y la variable horas de dedicación al deporte. Comenta los
resultados.
Primero tenemos que comprobar la normalidad y hay que seguir los siguientes pasos:
3. INTERPRETACIÓN
• Vemos en dicho cuadro como la correlación de cada variable consigo misma es
“perfecta” (Coef. De Correlación lineal = 1).Mientras que la correlación con la otra variable
vale 0,668, un valor positivo.
• La correlación de ambas variables es un valor positivo , por lo tanto el peso aumenta
conforme aumenta la altura.
• Al ser la correlación un valor alto, hay una buena correlación entre ambas variables.
• El valor de la p (Significancia), se utiliza como contraste de hipótesis, para ver si en la
población ambas variables están correlacionadas.
En este caso, el valor p es 0.000 y es menor que 0. 05, e incluso que el nivel de
correlación 0.01, más alto aún. Esto significa sigue habiendo correlación incluso aún nivel
más alto.
5. INTERPRETACIÓN:
Como puede verse a simple vista y hemos comprobado, ambas
variables presentan una buena correlación.
Además, se observa una correlación lineal directa, porque cuando
crece X, también lo hace Y.
El coeficiente de correlación será más próximo a 1 que a 0, ya que la
nube de puntos representada, se acercan a una recta imaginaria.
6. 1.2.- Calcula el Coeficiente de Correlación de Pearson para las
variables nº de cigarrillos fumados al día y nota de acceso.
Comenta los resultados.
Primero, al igual que en el ejercicio anterior , comprobaremos la normalidad.
A continuación, calculamos de la misma manera que en el ejercicio anterior, la correlación y
hemos obtenido los siguientes resultados:
7. INTERPRETACIÓN:
• Cada variable consigo misma es “perfecta” (Coef. De Correlación lineal =1). Mientras
que la correlación con la otra variable vale – 0.976, un valor negativo.
• La correlación de ambas variables es un valor negativo , por lo tanto la nota de
acceso aumenta cuando el número de cigarrillos fumados al día disminuye y
viceversa.
• Al ser la correlación un valor muy alto, hay una alta correlación entre ambas
variables, casi perfecta.
• El valor de la p (Significancia), se utiliza como contraste de hipótesis, para ver si en la
población ambas variables están correlacionadas.
En este caso, el valor p es 0.001 y es menor que 0. 05, e incluso que el nivel de
correlación 0.01, más alto aún. Esto significa sigue habiendo correlación incluso aún
nivel más alto.
8. 1.3.- Calcula el Coeficiente de Correlación de Pearson para las
variables peso y altura (limitando la muestra a 10 casos).
Comenta los resultados.
En este caso, al igual que hicimos en una de los seminarios anteriores, tenemos que
seleccionar solo 10 casos de la muestra.
Primero pasamos todos los datos a formato Excel:
9. A continuación importamos los datos a un nuevo programa de SPSS, pero solo
seleccionando, los diez primeros casos:
11. Ahora, al igual que en el ejercicio 1.1, comprobaremos la normalidad.
A continuación, calculamos de la misma manera que en el ejercicio 1.1, la correlación y
hemos obtenido los siguientes resultados:
INTERPRETACIÓN
• Vemos en dicho cuadro como la correlación de cada variable consigo misma es
“perfecta” (Coef. De Correlación lineal = 1).Mientras que la correlación con la otra
variable vale 0,757, un valor positivo.
• La correlación de ambas variables es un valor positivo , por lo tanto el peso aumenta
conforme aumenta la altura.
• Al ser la correlación un valor alto, hay una buena correlación entre ambas variables.
• El valor de la p (Significancia), se utiliza como contraste de hipótesis, para ver si en la
población ambas variables están correlacionadas.
En este caso, el valor p es 0.011 y es menor que 0. 05, esto significa que existe correlación
entre ambas variables.
12. 1.4.-Muestra los gráficos en una de las correlaciones.
Hacemos el gráfico del apartado 1.3.
INTERPRETACIÓN:
Como puede verse a simple vista y hemos comprobado, ambas variables presentan una
alta correlación entre ambas, casi perfecta.
Además, se observa una correlación lineal inversa, porque cuando crece X, disminuye
Y.
El coeficiente de correlación será más próximo a 1 que a 0, ya que la nube de puntos
representada, se acercan a una recta imaginaria.